Kimi K3: Moonshot AIs 2,8-Billionen-Modell fordert die KI-Spitze heraus

Vor gut einem Monat hat GLM 5.2 gezeigt, dass Open-Source-KI in der Spitzenklasse angekommen ist. Jetzt legt Moonshot AI nach: Kimi K3, veröffentlicht am 16. Juli 2026, ist mit 2,8 Billionen Parametern das größte angekündigte Open-Weight-Modell aller Zeiten. Es debütierte auf Platz 1 der Frontend Code Arena, verarbeitet eine Million Token Kontext und sieht Bilder nativ. Dieser Artikel ordnet ein, was in dem Modell steckt, was es wirklich kann, wo seine Grenzen liegen und was die Entwicklung für Unternehmen bedeutet.

Was ist Kimi K3?

Kimi K3 ist das neue Spitzenmodell von Moonshot AI, einem der führenden KI-Labore Chinas. Es handelt sich um ein Mixture-of-Experts-Modell: Von den 2,8 Billionen Parametern, verteilt auf 896 spezialisierte Experten-Netzwerke, arbeiten pro Token nur 16 Experten. Das Modell ist also gigantisch im Wissen, aber sparsam im Betrieb.

Die wichtigsten Eckdaten im Überblick:

Bemerkenswert sind drei Punkte. Erstens die schiere Größe: 2,8 Billionen Parameter sind fast das Dreifache des Vorgängers K2. Zweitens die Offenheit: Moonshot legt nicht nur die Gewichte offen, sondern zeigt auch die internen Argumentationsketten des Modells, die proprietäre Anbieter üblicherweise verbergen. Drittens der Zeitpunkt: Nur wenige Wochen nach GLM 5.2 von Z.ai erscheint das nächste chinesische Modell auf Frontier-Niveau. Der Abstand zwischen offenen und geschlossenen Systemen schrumpft in Monaten, nicht in Jahren.

Wer steckt hinter Moonshot AI?

Moonshot AI wurde durch den Chatbot Kimi und die offenen K-Modelle bekannt und zählt zu den bestfinanzierten KI-Unternehmen Chinas. In der jüngsten Finanzierungsrunde sammelte das Unternehmen rund 2 Milliarden US-Dollar ein, die Gesamtfinanzierung liegt bei fast 4 Milliarden. Diese Mittel erklären, wie ein Training in dieser Größenordnung überhaupt möglich ist.

Schon der Vorgänger Kimi K2 setzte 2025 Maßstäbe unter den offenen Modellen. Mit K3 wiederholt Moonshot das Muster, das DeepSeek Anfang 2025 etabliert hat: Ein chinesisches Labor veröffentlicht ein Modell auf dem Niveau der westlichen Spitze, macht es frei verfügbar und zwingt damit den gesamten Markt, Preise und Strategien zu überdenken.

Benchmarks: Platz 1 im Frontend, Platz 3 bei realer Arbeit

Wie gut K3 wirklich ist, zeigen zwei sehr unterschiedliche Messungen.

In der Code Arena (WebDev), einer offenen Rangliste, in der Modelle anonym an realen Web-Entwicklungsaufgaben gegeneinander antreten, debütierte Kimi K3 auf Platz 1, laut Tom’s Hardware ein Sprung um 17 Plätze gegenüber Kimi K2.6. Das Header-Bild dieses Artikels zeigt den Stand vom 21. Juli 2026, über 101 Modelle und mehr als 506.000 Stimmen:

• Platz 1: Kimi K3 mit Score 1678, bei einem Preis von 3 / 15 US-Dollar je Million Token.
• Platz 2: Claude Fable 5 (Anthropic) mit 1634, zum Preis von 10 / 50 US-Dollar.
• Platz 3: GPT-5.6 Sol xhigh (OpenAI) mit 1630.
• Platz 4: GLM 5.2 max (Z.ai) mit 1592, das vor einem Monat noch als bestes offenes Modell auf Rang 2 stand.

Das Tempo dieser Verschiebungen ist bemerkenswert: Innerhalb von fünf Wochen hat sich die Spitze der Rangliste zweimal neu sortiert, beide Male durch ein Modell aus China.

Auf GDPval-AA v2, einem Benchmark, der reale Arbeitsaufgaben aus 44 Berufen und 9 Branchen misst, erreicht K3 1.687 Punkte:

• Platz 1: Claude Fable 5 Max (Anthropic, proprietär) mit 1.815 Punkten.
• Platz 2: GPT-5.6 Sol Max (OpenAI, proprietär) mit 1.747 Punkten.
• Platz 3: Kimi K3 mit 1.687 Punkten, als offenes Modell.
• Dahinter: Claude Opus 4.8 mit 1.600 Punkten, bisher vielerorts der Maßstab für Produktiv-Einsätze.

Das Muster ist deutlich: Die absolute Spitze bleibt (noch) proprietär, aber K3 überholt etablierte Arbeitspferde wie Opus 4.8 und GPT-5.5 in Coding- und Agenten-Benchmarks. Auffällig stark ist das Modell überall dort, wo Aufgaben lange laufen: bei mehrstündigen Migrationsprojekten, in Tabellen-Benchmarks für Wissensarbeit und im Browse-Comp-Benchmark für die Steuerung realer Computer-Oberflächen.

Die Architektur: Warum 2,8 Billionen Parameter bezahlbar bleiben

Kimi K3 ist nicht einfach ein größeres Modell, sondern ein fundamental effizienter gebautes. Vier Innovationen greifen ineinander. Wer nur die Business-Perspektive sucht, kann diesen Abschnitt überspringen; für die Einordnung der Kostenstruktur lohnt er sich.

Extreme Sparsity: 16 von 896 Experten

Das Netzwerk ist in 896 hochspezialisierte Experten unterteilt, von denen pro Token exakt 16 aktiv sind, davon zwei dauerhaft aktive Shared Experts. Die Aktivierungsrate von rund 1,8 Prozent ist noch niedriger als beim kleineren Vorgänger K2 (2 Prozent). Vereinfacht: K3 hat das Wissen eines 2,8-Billionen-Modells, rechnet aber pro Anfrage nur mit einem Bruchteil davon.

Kimi Delta Attention: der Hebel für 1 Million Token

Klassische Transformer skalieren quadratisch mit der Kontextlänge, lange Eingaben werden dadurch unbezahlbar. Die Kimi Delta Attention (KDA) nutzt Prinzipien der linearen Attention und steuert auf Kanal-Ebene, welche Informationen im Gedächtnis bleiben und welche in welchem Tempo verblassen. Im Netz ist KDA im Verhältnis 3:1 mit einer globalen Attention verwoben. Laut Moonshot hält diese Technik den Decoding-Durchsatz um das Sechsfache höher als herkömmliche Ansätze.

Stable Latent MoE und Quantile Balancing

Fast 900 Experten über viele GPUs zu verteilen erzeugt normalerweise einen Kommunikations-Flaschenhals. K3 komprimiert die Token-Repräsentation, bevor sie durch das Experten-Netz geschickt wird, und entscheidet die Experten-Auswahl über Quantile Balancing: Experten werden relativ zueinander bewertet statt über starre Schwellenwerte. Das stabilisiert das Training und verteilt die Last gleichmäßiger.

Attention Residuals: Informationsfluss durch die Tiefe

Je tiefer ein Netz, desto stärker verwässern die ursprünglichen Eingaben. K3 erlaubt tiefen Schichten den gezielten Zugriff auf gruppierte frühere Schichten. Das hält Informationen aus dem Anfang eines langen Dokuments auch in den letzten Verarbeitungsschritten verfügbar, was gerade bei einer Million Token Kontext entscheidend ist.

Was Kimi K3 praktisch kann

Benchmarks sind das eine. Interessanter ist, welche Fähigkeiten das Modell in der Praxis demonstriert hat.

Frontend-Entwicklung mit Vision in the Loop

Weil K3 Code schreiben und Bilder nativ verstehen kann, prüft es seine eigenen Ergebnisse visuell: Es generiert eine Oberfläche, schaut auf das Rendering wie ein Entwickler auf den Browser und korrigiert iterativ. Demonstriert wurden komplexe Dashboards, Marketing-Seiten mit Animationen und detailgetreue Nachbauten anspruchsvoller Oberflächen-Stile.

Agenten für lange Aufgaben

K3 zerlegt große Aufgaben selbstständig in Workflows, startet Sub-Agenten für Teilaufgaben, verifiziert deren Ergebnisse und arbeitet To-do-Listen dynamisch ab. Genau diese Fähigkeit macht den Unterschied zwischen einem Chat-Modell und einem System, das mehrstündige Projekte wie Codebase-Migrationen durchsteht.

Ungewöhnliche Spezialdisziplinen

• 3D und Games: Aus einfachen Prompts entstehen funktionale 3D-Browser-Spiele inklusive Spiellogik, Texturen und Soundeffekten.
• Hardware-nahe Programmierung: Moonshot setzt K3 intern zur Optimierung von GPU-Kernels ein; in Tests entwickelte das Modell einen kompakten GPU-Compiler von Grund auf.
• Sicherheits-Audits: Das Modell kann hunderte Verifizierungs-Agenten parallel starten, um Cloud-Infrastrukturen auf Schwachstellen zu prüfen.
• Videobearbeitung: Automatisierte Schnitte inklusive Clip-Auswahl, bewegungssynchroner Übergänge und Audio-Processing wurden erfolgreich demonstriert.

Kosten: teurer als GLM 5.2, günstiger als die Opus-Klasse

Bei den API-Preisen positioniert sich Kimi K3 in der Mitte des Frontier-Segments:

Drei Details relativieren den nominellen Preis. Erstens gilt er flach über das gesamte Kontextfenster, während manche Anbieter lange Kontexte aufschlagen. Zweitens kosten Cache-Treffer nur 0,30 US-Dollar je Million Token, was bei wiederkehrenden langen Kontexten (etwa einer Codebase, die über viele Anfragen konstant bleibt) massiv spart. Drittens arbeitet K3 token-effizient: Es benötigt laut Moonshot rund 21 Prozent weniger Token als K2, um zur korrekten Lösung zu kommen, und verfällt bei komplexen Aufgaben selten in teure Fehler-Schleifen.

Für die Praxis heißt das: Bei kurzen Standardaufgaben bleibt GLM 5.2 die günstigere Wahl. Bei langen, agentischen Aufgaben mit viel wiederverwendetem Kontext kann K3 trotz höherer Listenpreise wirtschaftlicher sein, weil weniger Anläufe nötig sind.

Abo nur über Warteliste: Der Erfolg überrollt die Server

Wer Kimi K3 heute im Abo nutzen will, landet in der Warteschlange. Nur 48 Stunden nach dem Start, am 19. Juli 2026, stoppte Moonshot die Annahme neuer Consumer-Abonnements: Die Nachfrage hatte die verfügbare GPU-Kapazität des Unternehmens nahezu ausgeschöpft. Bestehende Nutzer behalten ihren Zugang, neue Plätze werden schubweise freigegeben, und die für den 27. Juli angekündigte Gewichte-Veröffentlichung dürfte den Druck zusätzlich mildern, weil Dritt-Anbieter das Modell dann selbst hosten können.

Die Preisstruktur selbst ist vierstufig: Moderato (15 US-Dollar), Allegretto (31), Allegro (79) und Vivace (159), jeweils pro Monat im Jahresabo, gestaffelt nach Agent-Credits, Parallelität und Kimi-Code-Kontingenten. Buchbar ist davon derzeit nichts direkt, jeder Plan endet auf demselben Button: „Auf die Warteliste”.

Der Engpass ist dabei kein Moonshot-Problem, sondern das Symptom eines Marktes, der 2026 an seine physischen Grenzen stößt:

• Explodierende Nachfrage: Die verarbeitete Token-Menge stieg laut dem Investor Tomasz Tunguz von rund 6 Millionen Token pro Minute im Oktober 2025 auf etwa 15 Milliarden im März 2026.
• Ausverkaufte Hardware: Mietpreise für Nvidias Blackwell-GPUs erreichten 4,08 US-Dollar pro Stunde, ein Plus von 48 Prozent in 60 Tagen; On-Demand-Kapazität ist praktisch ausverkauft.
• Auch die Großen betroffen: OpenAIs Finanzchefin erklärte öffentlich, das Unternehmen lasse Geschäftschancen liegen, weil schlicht der Compute fehlt.
• Neue Anbieter füllen die Lücke: Selbst SpaceX vermietet inzwischen Rechenleistung. Anthropic nutzt laut Fortune den kompletten Colossus-1-Cluster (über 300 Megawatt, mehr als 220.000 Nvidia-GPUs) für rund 1,25 Milliarden US-Dollar pro Monat bis Mai 2029, und das Startup Reflection AI zahlt SpaceX ab Juli 2026 rund 150 Millionen US-Dollar monatlich.

Selbst hosten: möglich, aber nichts für den Serverraum im Keller

Offene Gewichte bedeuten nicht, dass jedes Unternehmen das Modell betreiben kann. Die Zahlen sprechen für sich:

• Speicherbedarf: rund 2,8 Terabyte in FP8-Präzision, komprimiert auf FP4 noch 1,4 Terabyte, nur für die Gewichte.
• Empfohlene Hardware: Konfigurationen ab 64 Beschleunigern der H100-Klasse; Anschaffungskosten in der Größenordnung von 2,6 Millionen US-Dollar.
• Kein Consumer-Betrieb: Auf einzelnen Grafikkarten oder Apple-Silicon-Rechnern ist K3 nicht lauffähig.
• Cleverer Kompromiss: Die Gewichte liegen platzsparend in FP4, gerechnet wird zur Laufzeit im präziseren FP8-Format.

Realistisch läuft der Einsatz für die meisten Unternehmen deshalb über die API, über Inferenz-Anbieter, die das Modell hosten, oder über dedizierte Cloud-Instanzen. Der strategische Wert der offenen Gewichte bleibt trotzdem: Kein einzelner Anbieter kann das Modell abschalten, umpreisen oder verändern. Wie schnell so etwas passieren kann, hat der kurzzeitige Offline-Gang von Claude Fable 5 gezeigt, eingeordnet im Artikel zu Claude Fable 5.

Die ehrlichen Schwächen

Zu einer belastbaren Einordnung gehören die Rough Edges, und davon hat K3 einige:

• Gefühlte Langsamkeit: Mit rund 20 Token pro Sekunde im Output ist K3 spürbar langsamer als viele Konkurrenten. Wer interaktiv arbeitet, merkt das.
• Über-Proaktivität: Das Modell neigt dazu, ungefragt Aktionen auszuführen oder mehr Sub-Agenten zu starten als nötig.
• Reasoning-Overhead: Weil K3 standardmäßig mit maximaler Denk-Tiefe arbeitet, grübelt es gelegentlich über Trivialitäten und verbrennt dabei Zeit und Token.
• Workflow-Kommunikation: Bei komplexen Multi-Agent-Aufgaben meldet das Modell den Abschluss manchmal an den eigenen Sub-Agenten statt an den Nutzer, was einen Folge-Prompt erfordert.
• Gewichte noch nicht online: Zum Start war K3 nur über API und App nutzbar; die Veröffentlichung der Gewichte ist für den 27. Juli 2026 angekündigt. Bis dahin ist „Open Weight" ein Versprechen, kein Fakt.

Der Markt: der nächste DeepSeek-Moment

Die strategische Bedeutung von K3 reicht über das Modell hinaus. Zum zweiten Mal innerhalb weniger Wochen zeigt ein chinesisches Labor, dass Frontier-Leistung nicht exklusiv den westlichen Marktführern gehört. Für OpenAI, Anthropic und Google bedeutet das Preisdruck von unten bei gleichzeitigem Innovationsdruck von der Seite.

Bemerkenswert ist dabei ein Paradoxon: K3 wurde unter den Bedingungen der US-Exportbeschränkungen auf Effizienz getrimmt. Läuft dasselbe Modell auf moderner westlicher Cloud-Infrastruktur, dürfte es noch schneller und günstiger arbeiten als in China selbst. Die Effizienz-Innovationen, die aus der Not geboren wurden, kommen am Ende allen Betreibern zugute.

Was das für Unternehmen bedeutet

Für die Unternehmenspraxis bestätigt Kimi K3 eine Entwicklung, die sich seit Monaten abzeichnet: Das Sprachmodell wird austauschbar, die Auswahl wird größer, die Preise sinken. Die Konsequenzen:

• Modellwahl pro Aufgabe statt pauschaler Anbieter-Treue: günstige offene Modelle für das Volumen, K3 für lange agentische Aufgaben, proprietäre Spitzenmodelle für die schwersten Einzelfälle.
• Orchestrierung als bleibender Wert: Prompt-Strukturen, Kontext-Management und Agenten-Logik überdauern jeden Modellwechsel. Wer hier sauber baut, tauscht die Inferenz-Engine mit wenigen Konfigurationszeilen.
• Sichtbarkeit in KI-Antworten wird wichtiger: Je mehr leistungsfähige Modelle Kaufentscheidungen vorbereiten, desto entscheidender wird, ob die eigene Marke in deren Antworten vorkommt.

Genau diese Abwägung zwischen Leistung, Kosten und Sichtbarkeit ist Teil der Arbeit von Dometrics, etwa beim Aufbau von Inhalten, die in KI-Antworten zitiert werden. Wie das konkret aussieht, steht in der Leistung GEO & AI Search und im Leitfaden Generative Engine Optimization.

TL;DR

• Frontier ist nicht mehr exklusiv: Nach GLM 5.2 ist Kimi K3 der zweite Beleg innerhalb weniger Wochen, dass offene Modelle das Niveau der westlichen Spitze erreichen.
• Stärken: lange agentische Aufgaben, Frontend-Entwicklung mit visueller Selbstkontrolle und ehrliche Antworten statt Halluzinationen. Platz 1 in der Frontend Code Arena, Platz 3 auf GDPval-AA v2, vor Claude Opus 4.8.
• Preis: rund ein Drittel der Opus-Klasse (3 $ / 15 $ je Mio. Token), Cache-Treffer für 0,30 $ machen lange, wiederkehrende Kontexte günstig. Für kurze Volumen-Aufgaben bleibt GLM 5.2 die günstigere Wahl.
• Schwächen real: rund 20 Token pro Sekunde Output, Über-Proaktivität bei Agenten, Abos derzeit nur über die Warteliste, und die Gewichte sind erst für den 27. Juli 2026 angekündigt.
• Konsequenz für Unternehmen: Modell pro Aufgabe wählen statt Anbieter-Treue, die Orchestrierung als bleibenden Wert aufbauen und die eigene Sichtbarkeit dort stärken, wo KI-Modelle künftig Antworten geben.

Häufige Fragen

Was ist Kimi K3?

Kimi K3 ist das aktuelle Spitzenmodell des chinesischen KI-Unternehmens Moonshot AI, veröffentlicht am 16. Juli 2026. Es ist ein Mixture-of-Experts-Modell mit 2,8 Billionen Parametern, einem Kontextfenster von einer Million Token und nativer Bildverarbeitung. Moonshot hat angekündigt, die vollständigen Modellgewichte offen zu veröffentlichen, womit K3 das größte Open-Weight-Modell aller Zeiten wäre.

Wie groß ist Kimi K3?

Kimi K3 umfasst 2,8 Billionen Parameter, verteilt auf 896 spezialisierte Experten-Netzwerke. Pro Token sind davon nur 16 Experten aktiv, also rund 1,8 Prozent des Modells. Diese extrem sparsame Aktivierung ist der Grund, warum das Modell trotz seiner Größe wirtschaftlich betreibbar bleibt.

Was kostet Kimi K3?

Über die API kostet Kimi K3 3,00 US-Dollar pro Million Input-Token und 15,00 US-Dollar pro Million Output-Token, Cache-Treffer liegen bei 0,30 US-Dollar. Der Preis gilt über das gesamte Kontextfenster von einer Million Token. Damit liegt K3 deutlich unter Modellen der Opus-Klasse, aber über günstigen Open-Weight-Alternativen wie GLM 5.2.

Warum gibt es das Kimi-K3-Abo nur über eine Warteliste?

Moonshot AI hat am 19. Juli 2026, nur 48 Stunden nach dem Start, neue Abonnements pausiert, weil die Nachfrage die verfügbare GPU-Kapazität nahezu ausgeschöpft hatte. Bestehende Nutzer behalten ihren Zugang, neue Plätze werden schubweise vergeben. Der Engpass spiegelt den branchenweiten Compute-Mangel wider, der 2026 auch westliche Anbieter wie OpenAI und Anthropic betrifft.

Welches Kontextfenster hat Kimi K3?

Kimi K3 verarbeitet bis zu 1.048.576 Token Kontext, also rund eine Million. Das reicht für ganze Codebasen, umfangreiche Dokumentensammlungen oder stundenlange Transkripte in einem einzigen Prompt. Möglich macht das die Kimi Delta Attention, die den Rechenaufwand langer Kontexte drastisch senkt.

Ist Kimi K3 Open Source?

Moonshot AI hat die Veröffentlichung der vollständigen Modellgewichte auf Hugging Face für den 27. Juli 2026 angekündigt. Zum Start am 16. Juli war das Modell zunächst nur über API und die Kimi-App nutzbar. Sobald die Gewichte online sind, ist K3 das mit Abstand größte frei verfügbare Modell.

Wie schlägt sich Kimi K3 gegen Claude Fable 5 und GPT-5.6?

Auf dem GDPval-AA-v2-Benchmark für reale Arbeitsaufgaben erreicht Kimi K3 1.687 Punkte und liegt damit auf Platz 3 hinter Claude Fable 5 Max (1.815) und GPT-5.6 Sol Max (1.747), aber vor Claude Opus 4.8 (1.600). In der Frontend Code Arena debütierte K3 sogar auf Platz 1, vor Claude Fable 5.

Kann man Kimi K3 selbst hosten?

Theoretisch ja, praktisch nur mit Rechenzentrums-Infrastruktur. Die Gewichte belegen rund 2,8 Terabyte in FP8 beziehungsweise 1,4 Terabyte in FP4. Moonshot empfiehlt Konfigurationen ab 64 Beschleunigern der H100-Klasse. Auf Consumer-Hardware wie einzelnen Grafikkarten oder Apple-Silicon-Rechnern ist das Modell nicht lauffähig.

Wer steckt hinter Moonshot AI?

Moonshot AI ist ein chinesisches KI-Unternehmen, bekannt durch den Chatbot Kimi und die offenen K-Modelle. In der jüngsten Finanzierungsrunde sammelte das Unternehmen rund 2 Milliarden US-Dollar ein, die Gesamtfinanzierung liegt bei fast 4 Milliarden. Mit K2 lieferte Moonshot bereits 2025 eines der stärksten offenen Modelle.

Welche Schwächen hat Kimi K3?

Das Modell ist mit rund 20 Token pro Sekunde vergleichsweise langsam im Output, neigt zu Über-Proaktivität bei Agenten-Aufgaben und denkt gelegentlich zu lange über triviale Details nach, was Zeit und Token kostet. Zudem entfallen bei offenen Gewichten die Leitplanken proprietärer Anbieter, was Sicherheitsfragen aufwirft.

Was bedeutet Kimi K3 für Unternehmen?

K3 verschärft den Preis- und Leistungsdruck auf proprietäre Anbieter und erweitert die Auswahl an Frontier-Modellen mit offenen Gewichten. Für Unternehmen bestätigt sich die Strategie, Modelle pro Aufgabe zu wählen: offene Modelle für das Volumen, proprietäre Spitzenmodelle für die schwersten Einzelfälle. Das Sprachmodell wird zunehmend austauschbar, der bleibende Wert liegt in der Orchestrierung.

Quellen

• VentureBeat: Moonshot AI releases Kimi K3, the largest open-source model ever
• CNBC: Moonshot AI unveils Kimi K3 that rivals OpenAI, Anthropic
• Tom's Hardware: 2.8-trillion-parameter Kimi K3 beats Claude Fable 5 in Frontend Code Arena
• SCMP: Kimi K3 developer suspends new subscriptions amid compute constraints
• Fortune: SpaceX is quietly building an AI compute business
• Tomasz Tunguz: The Beginning of Scarcity in AI
• OpenRouter: Kimi K3, API Pricing & Benchmarks
• Simon Willison: Kimi K3, and what we can still learn from the pelican benchmark
• Moonshot AI auf Hugging Face